GEO数据挖掘

已于 2023-04-22 10:20:24 修改
阅读量1.3k 收藏 4
点赞数 3
分类专栏： R语言 文章标签： 数据挖掘 聚类
于 2023-04-21 03:05:39 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_40215208/article/details/130279319
版权
本文介绍了GEO数据挖掘中的图表分析，包括热图、散点图、箱线图、火山图和主成分分析（PCA）。热图颜色变化反映数值大小，散点图展示连续和离散变量关系，箱线图显示数据分布，火山图用于差异分析，PCA则用于样本聚类。此外，文章还概述了GEO背景、表达数据实验设计、数据库介绍、表达矩阵和富集分析的基本步骤。
摘要由CSDN通过智能技术生成

整理自生信技能树小洁老师授课内容

图表介绍

热图

  1. 输入数据输入数据是**数值型矩阵/数据框**
  2. 颜色的变化表示数值的大小
热图类别
  1. 相关性热图
  2. 差异基因热图

1. 散点图

2. 箱线图

  1. 输入数据是一个连续型向量和一个有重复值的离散型向量 即 分类变量
  2. 图解：包括 min max median 25% 75% 离群点
  3. 单个基因在两组之间的表达量差异

3. 火山图

  1. 横坐标：logFC，纵坐标：-log10(P.value)

     FoldChange (FC)：处理组平均值 对照组平均值
 logFC：Foldchange 取 log2

  2. 理解 logFC，一定是**处理组-对照组**

  3. logFC 一般 <20 才正常

最低0.47元/天 解锁文章
小小的个人笔记
关注
  • 3
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
生信学习——GEO数据挖掘
Dzfly
12-15 7226
步骤STEP1：表达矩阵ID转换STEP2：差异分析STEP3：KEGG数据库注释完整代码 写在前面——按照生信技能树的学习路线，学完R语言就该学习GEO数据挖掘了。有人说GEO数据挖掘可以快速发文（https://zhuanlan.zhihu.com/p/36303146），不知道靠不靠谱。反正学一学总没有坏处。看完Jimmy老师的视频，写一篇总结方便日后复习。这里有很多操作在《生信人的20个R语言习题》都可以见到，那里写的更加详细。 视频教程：https://www.bilibili.com/vide
GEO数据挖掘（二）
doctor_yuxiang的博客
05-10 5310
生信技能树学徒第二周 一、GEO数据库 芯片数据获取 #数据下载 rm(list = ls()) library(GEOquery) #先去网页确定是否是表达芯片数据，不是的话不能用本流程。以GSE56649为例 gse_number = "GSE56649" eSet <- getGEO(gse_number, destdir = '.', getGPL = F) class(eSet) length(eSet) #得出往往是一个长度为一的列表，转换为数据框的格式 eSet = eSet[[
手动计算logFC（wilcoxon差异分析）
医学和生信笔记的博客
09-10 6390
前段时间有小伙伴问怎么手动计算logFC，今天说一下。logFC是的缩写，也就是log之后的差异倍数。这个差异倍数意思是某个基因在A组表达量的平均值是B组表达量平均值的几倍。这个东西的计算其实很简单的，就是常规的对数计算而已。一般来说，我们用tpm或者fpkm时，通常都会先进行log2处理，在log2处理后的表达矩阵里，如果某个基因在A组表达量是x，在B组表达量是y，那么这个基因的。这不是巧合，只是一个很简单的数学公式log(x/y)=log(x)-log(y)
生信技能树课程记录笔记（七）20220602-20220604
weixin_62771643的博客
06-05 1812
GEO数据分析
学习笔记Day8：GEO数据挖掘-基因表达芯片
最新发布
m0_71952366的博客
03-15 2471
GEO数据库GEO工具：GEO2R，可以导入代码进入R修改。Series：用户提交给数据库一个完整的研究，包括其样本数据(GSM)，包含提供研究描述，包括对数据描述并总结分析(GSE)。GEO数据集筛选表达芯片数据：Expression profiling by array单细胞/普通转录组（高通量测序）：Expression profiling by high throughput sequencingGSE界面：GPL（平台）中看ID和Symbol Gene；
基于GEO数据挖掘与网络药理学探讨化痰通络汤治疗脑梗死的机制研究.pdf
07-14
本研究旨在探讨化痰通络汤在治疗脑梗死风痰阻络证中的作用机制，利用 GEO（Gene Expression Omnibus）数据库的芯片数据和网络药理学方法进行数据挖掘。在描述化痰通络汤作用机制的过程中，研究者整合了多个公共生物...
GEO数据挖掘构建基因表达矩阵
xiaobai1_1的博客
12-04 2万+
1、GEO数据库介绍 GEO全称GENE EXPRESSION OMNIBUS，由美国国立生物技术信息中心NCBI创建并维护的基因表达数据库。创建于2000年，收录世界各国研究机构提交的高通量基因表达数据。 GEO上有四类数据GSM, GSE, GDS, GPL 1.GSM是单个样本的实验数据 2.GDS是人工整理好的关于某个话题的GSM的集合，一个GDS中的GSM的平台是一样的 3.GSE是一个...
r语言进行go富集分析_R语言GEO数据挖掘-功能富集分析
weixin_39974882的博客
12-20 3772
功能富集分析 在得到了差异基因的基础之上，进一步进行功能富集分析，这里我们使用clusterprofiler包本文将对差异基因进行 GO, KEGG注释并完成可视化,GSEA分析Sys.setlocale('LC_ALL','C')library(tidyverse)library(ggplot2)library(dplyr)library(clusterProfiler)library(o...
基因芯片数据分析
生物医学信息学博客
07-02 4万+
前言...2 实验概述...2 实验流程...2 数据下载...2 数据输入...3 质量控制...4 背景校正、标准化和汇总...6 提取表达矩阵...7 选取差异表达基因...7 聚类分析及可视化...7 差异表达基因GO注释...10 K邻近分类器...10 SVM分类...12 留一法检验-K邻近分类器...14 留一法检验-svm..15 SVM-RFE.1...
ggplot2 | 单细胞类间比较的火山图 - 经典效果
生物信息学专栏(BioMooc)
02-23 4603
使用 ggplot2 画基因差异表达的火山图，经典配色，并文字标记指定基因。
clusterprolifer富集分析从loupe得到的11个亚群进行富集分析clusterprolifer 选择基因的条件为log2FC＞1&PValue＜0.01
生信小博士的博客
08-19 528
【代码】clusterprolifer富集分析从loupe得到的11个亚群进行富集分析clusterprolifer 选择基因的条件为log2FC>1&PValue
生物信息学入门 GEO芯片数据差异表达分析时需要log2处理的原因
热门推荐
无名岛
03-13 4万+
首先借用一张图，通常使用limma处理时，需要经过log2后的矩阵作为表达矩阵输入。根据log2FC的定义，这个数字表示变化倍数经过log2后的一个值，比如log2FC=1,则变化为2倍；log2FC=2,则变化为4倍。这是常用的一种表述方法。 在使用limma函数计算时，如果输入的矩阵没有经过log2处理，则会把FC当成log2FC输入，这或许是因为limma默认输入的是log2后的表达式...
火山图——直观的特征差异可视化
SUN5_The_answer的博客
09-05 7183
火山图的绘制及解读。
RNA-seq分析入门01——差异基因表达分析
weixin_73043012的博客
12-08 3619
AveExpr是基因在所有样本中的平均表达量，t是用于t-test的，可以衡量组间差异显著性，P.value就是P值，adj.P.Val是校正过的P值，这里我用的是“BH”方法进行的校正。随后就是对样本进行分组了，我这里按照癌组织和正常组织进行分组，我们需要一个记录了分组信息的列表list，这里的list可以按照自己想要的分组进行设置，但是要和前面的data的排列顺序互相匹配。首先，准备好所需的数据，如下图所示，基因表达数据为一个包含样品与基因的矩阵。diff矩阵就是我们的最终结果，大致预览效果如下所示。
html 中fclog方法,关于limma包差异分析结果的logFC解释
weixin_42309311的博客
07-03 3961
首先，我们要明白，limma接受的输入参数就是一个表达矩阵，而且是log后的表达矩阵(以2为底)。那么最后计算得到的logFC这一列的值，其实就是输入的表达矩阵中case一组的平均表达量减去control一组的平均表达量的值，那么就会有正负之分，代表了case相当于control组来说，该基因是上调还是下调。我之前总是有疑问，明明是case一组的平均表达量和control一组的平均表达量差值呀，跟...
差异表达基因变化倍数_GEO2R差异表达分析软件
weixin_31299543的博客
01-03 1908
前两天我们对GEO数据库来了一个大致的介绍。我们对于目标数据集，我们做的第一个事情就是差异分析，来寻找有差异的结果。所有的表达芯片做的差异表达分析都是基于limma的算法来的。我们今天介绍的这个GEO2R也只是把这个算法更加方便使用了而已。PS：GEO2R只是适用于表达谱芯片。对于二代测序是不适用的，我们下面说到的数据类型都是表达谱芯片来进行阐述的。1 所谓差异分析我们在进行科学研究的时候，同样也...
2018年SCI论文--整合GEO数据挖掘完整复现 五 ：RobustRankAggreg(RRA)整合四个GSE数据集的差异基因，筛选共同差异基因
bioprogrammer
08-18 2万+
文章目录论文地址四个GSE数据集差异表达基因（按logFC值排序）并为一个list，正序倒序各一个list所有差异基因在四个GSE数据集中logFC矩阵筛选共同上调基因筛选共同下调基因合并共同上下调基因logFC.tiff 论文地址 四个GSE数据集差异表达基因（按logFC值排序）并为一个list，正序倒序各一个list setwd("./2.RobustRankAggreg_analysis"...
edgeR、limma、DESeq2三种差异表达包比较（RNA-seq数据）
bioprogrammer
08-01 3万+
1. 加载R包和输入数据 rm(list = ls()) library("DESeq2") library("limma") library("edgeR") expr = read.csv("mRNA_exprSet.csv",sep = ',',header=T) head(expr) TCGA-mRNA数据链接 链接：https://pan.baidu.com/s/1b6l4qg4...
怎么使用geo进行数据挖掘？
06-11
GEO（Gene Expression Omnibus）是一个由美国国家医学图书馆（National ...需要注意的是，GEO数据集的质量和可靠性也是进行数据挖掘的关键因素之一，需要仔细选择和处理数据集，以保证分析结果的可靠性和可重复性。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值